《AD-VAT: AN ASYMMETRIC DUELING MECHANISM FOR LEARNING VISUAL ACTIVE TRACKING》ICLR2019论文阅读

最近在研究主动目标跟踪问题，导师给推荐了这篇文章，主要目的是了解主动目标跟踪问题是什么，但是既然论文看了，也把其中的内容写下来以供大家评鉴。
对于这篇文章的主要思想，新智元公众号里有一篇文章已经讲得很好了，把链接贴在这里，如果你只想了解其思想这个足够了。如果想细看论文的内容，也请先看这个链接中的内容，然后再回来读下面的内容。
论文链接

上图是这种非对称决斗的一个概况。
首先，为了解释这种非对称决斗机制，作者用使用了下面的数学表示：<S,O1,O2,A1,A2,r1,r2,P>

数学符号解释

下标1代表跟踪器，下标2代表目标，第二下标t（下面会出现）代表时间（可以看成是视频帧序列）
S:state space 环境状态空间
O:observation space 观察空间
A:action space 行动空间
r:reward function 奖赏函数
P:environment state transition probability 环境状态转换概率
部分观察情况（我的理解是不能够看到全局信息，比如在监控场景中，对应于用于细致观察目标的PTZ摄像机）下：O1,t=